Prevalence and Associated Factors of Past-Year Dental Visit Among US Veterans 2012–2022: Findings from the Behavioral Risk Factor Surveillance System
Notice bibliographique
Résumé
This study uses cross-sectional data from the Behavioral Risk Factor Surveillance System from 2012 to 2022 to examine the prevalence and factors associated with past-year dental visits among US veterans. We dichotomized past-year dental visits into a dichotomous outcome (yes/no) and conducted descriptive and multivariable logistic regression analyses. The analyses, presenting results in adjusted odds ratios (AOR) and 95% confidence intervals (CIs), included 276,368 participants. Significant findings indicated that veterans aged ≥ 30 years had 23–48% less odds of having a past year dental visit than veterans aged 18–29. Factors positively associated with dental visits included higher educational attainment and annual household income. Conversely, unemployed veterans and those without health insurance were less likely to have visited a dentist in the past year, with AORs of 0.80 (95% CI: 0.72–0.90) and 0.49 (95% CI: 0.45–0.54), respectively. Veterans with comorbidities also showed lower odds of dental visits. Although some factors align with those influencing dental care in the general population, veterans face unique barriers such as limited access to Veterans Affairs-provided dental services and distinct health needs that underscore the necessity of targeted oral health programs to address these specific challenges, improve outcomes, and reduce disparities in this community.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».